程序代写 CS代考

EE6615 Assignment 1 1. Considering the following solid materials, write down their relevant solid forms: single- crystal, poly-crystalline, or amorphous. (10 marks) a. Metallurgical Grade Si (MGS) b. Si ingot c. Diamond in a ring d. Sand 2. In class we discussed the Miller index notation system to describe crystal planes. We also mentioned that

A
Aers/vagrant/work/received-2019/to-be-uploaded/2020-

A
Aers/vagrant/work/received-2019/to-be-uploaded/2020-

数据:从2018年1月1到2018年12月16，2019年4月到11月，每隔2周抓取的优 亿市场 app 数据。 研究课题:利用一种方法计算出每个类别软件的权限平均向量，然后再计算出每个 app 相对于平均权限的“权限过度系数”或“权限不足系数”。(老师说这两个系数的计算很重要， 暂时他也没有想到合适的计算方法。) 最后用权限过度系数和权限不足系数对评论数、下载量做回归。老师说考虑把描述(内 容摘要)的字数作为工具变量。研究预期结果是:权限不足会通过影响功能实现影响下载量 /评论数，过度权限会通过影响用户使用效果来影响下载量/评论数。 老师有给我举例一种简单的方法:筛选出权限的具体类别，然后按照每种权限在该 app 中被调用的次数(0 或者 1)构建变量，比如有 20 种权限，发现在 A 类 app 的平均权限中 编号为 1 到 10 的权限在类别平均权限中取值为 1，编号为 11 到 20 的取值为 0(这当然是一 种理想情况)。如果 A 类 app 中有一个 app，代号为 x，它具有编号 4-6 和 12-16 这么多权 限，就认为他权限过度系数为 0.5(10 个过度权限里有 5 个有)，权限不足系数为 0.7.(10 个 必须权限里只有 3 个有)。 我觉得这种方法不太容易实现，现实数据的情况不可能这么理想，所以想请教你，觉得

Assessment Task Information Assessment title: Statistical Report Module Name: Advanced Statistics Module Code: PM608E Tutor’s Name: Assessment will be set in: Cycle 3 Week 11 Assessment is due in: Cycle 3 Week 15 Assessment weighting: 30% Assessment Task Instructions: Core Task: You will have to produce a statistical report from a collection of given datasets.

需求概况： • 沪深港股市极端风险联动性实证分析 • 模型：Hawkes过程、RHawkes过程分别与POT模型结合的互相激励模型 • 样本与数据：上证指数，深圳成分指数、恒生指数。2001/1/1到2019/12/31的5分钟收益率。 需要输出： • 数据处理： 数据预处理，对缺失值等数据的处理及其说明 • 数据描述性统计 包括均值、中位数、最小值、最大值、标准差、偏度、峰度、J-B统计量，样本容量等，并形成表格 并附解释说明 • 阈值选取 运用POT模型，生成平均寿命图、MEF图确定阈值，并计算因阈值而丢失的数据占综述的比例 生成在所选取的阈值下你和的POT模型的参数估计表 生成超阈值收益率GPD分布拟合检验图和密度函数图 并附解释说明 • 互相激励模型参数的估计和检验 参数估计结果形成表 Q-Q图检验模型结果 并附解释说明 • 条件风险测度（VaR）和回溯测试（backtesting） 生成VaR的估算结果和回溯测试结果并生成表格和图（表格包含预测失败率，失败天数、置信水平等） 并附解释说明 备注： 1、Ddl：可以先做Hawkes过程的互相激励模型（2月20号交）；RHawkes过程的互相激励模型能做尽量一起做，赶不及的话2月22号也行 2、软件：R或者Python 3、除了《需要输出》里列出的结果，代码和原始数据也需要一起打包给我，麻烦啦～～

Assignment 2 COMP 208 Winter 2020 posted: Wednesday, February 5, 2020 due: Wednesday, February 19, 2020 at 23:59 Primary Learning Objectives By the end of this assignment, students should be able to… • Repeat code using a while loop in order to perform user input validation as well as other common operations. • Use lists

Exercise – LR and Out of Sample Prediction • Generate 99 independent variables uniformly distributed between -100 and 100 of size 100 observations each. • Generate the dependent variable y = 3 + 10*V99, where V99 is the last covariate and add some noise • Construct 3 models: one linear model with no variables, one